一种基于图卷积神经网络的脑电情感识别方法

一种基于图卷积神经网络的脑电情感识别方法

技术领域

本发明属于信号处理技术领域，更具体涉及一种基于图卷积神经网络的脑电情感识别方法。

背景技术

在众多生理信号中，由于脑电直接取自大脑信号，能直接反映大脑活动状态，并且提取方便，时间分辨率高，实时性强，所以在情绪识别研究中受到广泛关注，发展迅速。不同情绪状态下的脑电信号研究逐渐形成一个新兴的交叉学科研究，不仅包含计算机科学与人工智能，还涉及神经认知科学。有效地解读个体的情绪状态能解决工作生活中的各种现实问题，例如监测人们工作生活中的精神健康状态、了解客户对产品的满意度进而调整销策略、检测车辆行驶过程中司机的精神状况等等，此外，由于脑-机接口(BCI)的广泛应用，基于脑电信号的情感研究将有助于提升用户体验度。

早期大脑信息处理机制的研究主要建立在脑功能分区基础上。但近年的大量研究发现，尽管某些脑区与特定的情绪功能相关，但没有哪一个脑区单纯统一的负责情绪。在情绪发生过程中大脑的许多部位会被激活，在大脑的左右、前后部位都会产生活跃区域。因此从大脑整体，利用脑网络对大脑情绪处理进行研究成为全世界关注的热点。

近年来，深度神经网络已被证明在面部识别、语音识别等应用领域优于传统的机器学习方法。其中卷积神经网络在计算机视觉、自然语言处理等空间连续数据处理方面已被广泛应用，值得注意的是卷积神经网络无法处理空间离散数据，如生物分子、社交网络和脑网络等。由于拓扑图中每个顶点的相邻顶点数目可能不同，无法用一个同样尺寸的卷积核来进行卷积运算，所以传统的离散卷积在非欧几里德结构的数据上无法保持平移不变性。为了在这样的数据结构(拓扑图)上有效地提取空间特征来进行机器学习，图神经网络成为了研究的重点，脑网络作为一种拓扑图结构数据，图卷积神经网络为探讨脑电情感识别中多个EEG通道的关系提供了重要的线索。现有技术仍然无法解决的技术问题是：

(1)如何利用多个头皮脑电通道对之间的关系，构建相关功能连接模式；

(2)如何选择与情感最相关的脑电通道；

(3)如何将空间离散的单通道脑电特征建模为图信号；

(4)如何从脑电信号的空间和功能联系出发，提取与情感最相关的特征并进行分类识别。

发明内容

本发明的目的在于提出一种基于图卷积神经网络的脑电情感识别方法，以达到将图卷积神经网络应用于脑电信号这种空间离散的非结构化数据处理领域，提高脑电情感识别的分类性能的目的。

为了达到本发明的目的，本发明提供的技术方案是：

一种基于图卷积神经网络的脑电情感识别方法，包括以下步骤：

步骤一、根据各脑电通道信号间的相关性构建情感相关功能连接模式：

根据信号间的同步锁相值(phase lock value，PLV)大小确定情感相关功能连接模式，用以表示不同情感状态各脑区活动的相位同步性大小，在功能性脑网络连接模式构建过程中，通过一个惩罚变量实现对重要连接的筛选；

步骤二、基于功能连接模式结构将提取的各单通道脑电特征建模为图信号：

获取不同情绪状态下的脑网络图的PLV邻接矩阵